在传统的发展路线中，电脑显示卡一直在为游戏和3D应用程序服务，但是竞争的激烈、技术的飞速前进客观的成就了GPU的爆炸式发展。GPU的运算能 力已经达到了非常高的水平，甚至在浮点运算能力上已经大幅度超越最高级别的处理器产品，就好象在PC电脑中，我们其实拥有两块“处理器”，其中一款就是 GPU，但是我们只在运行游戏的时候使用它，无形中造成了浪费。

　　研究表明，从1993年开始，GPU的性能以每年2.8倍的速度增长，这个数字大大超过了PC其他子系统的发展速度。一块工作频率为3.0GHz的 Pentium 4处理器，其晶体管数目为1.25亿个，即使算上SSE指令集的SIMD（单指令并发多数据流，这种情况是浮点吞运算下吐能力的最理想状况），也只有 6GFlops的峰值浮点处理能力，而同期的一块NV40 GPU就有2.22亿个晶体管，峰值浮点运算能力很轻易超过40GFlops，而时间发展的今日，GPU的峰值浮点运算能力已经接近甚至超过了TFlops（1000GFlops）级别，GPU的性能可想而知。

　　除此之外，GPU还拥有自己的独立子存储系统——显存，它拥有比系统主内存高得多的带宽。Intel曾经为它的Pentium 4 XE系列处理器所拥有的1066MHz前端总线所提供的8.6GB/S的带宽倍感自豪，而同期一块普通的GeForce 6800就拥有20GB/S以上的显存带宽。

　　于是，由这个问题就导致了两方面的考量：一、GPU拥有如此强大的性能，它能否为其它非游戏类的应用程序进行加速，发挥其性能的优势；二、GPU的 浮点运算能力虽然强大，但是其架构一直是专有的，无法和目前的x86处理器相比拟，通过什么方法去使用GPU，通过什么方法去让应用程序利用GPU加速。

　　NVIDIA很早就介入了GPU加速，我们在很多应用中已经体验

　　上述所讲就是NVIDIA最新的理论构想，那就是让GPU超越游戏，去拓展更为广阔的空间，当然，这是 基于NVIDIA的GPU已经占到了业界的前沿、其性能已经完全应付游戏的前提下（从前面的性能测试，读者其实已经了解，最新一代的GTX200系列显示 卡已经能让游戏在很高的分辨率下流畅运行，几乎没有游戏可以阻挡NVIDIA最新的GPU产品）。

　　而超越游戏，让GPU为其它应用程序服务，NVIDIA很早就进行了尝试，比如：NVIDIA早就与Adobe公司合作，为其Adobe Acrobat 8及Adobe Reader 8系列产品提供全新的页面显示着色技术，利用GPU来加速PDF格式下的绘图及显示功能，除了在效能上有所增进外，还可以利用GPU的可编程特性，进一步 加强PDF文件中的2D内容展示效果，包括平移、卷动、缩放等，实际上Adobe Reader 8每一项运用到GPU的功能都有着显著的效能增进。使用者过去避免使用的一些应用，例如可进行极精细比例缩放的地图，现在都可以轻易地显示。

通过GPU加速，图像的渲染和处理将大大加快

　　除了为阅读器的加速，NVIDIA最近还宣布了为世界最为著名的图形处理软件Photoshop的GPU加速，Photoshop虽然已经支持多核心处理 器，但在某些时候的速度仍然让人抓狂，比如打开一个超大文件，或者应用一个效果复杂的滤镜，对于专业人士来说，漫长的等待无异于浪费生命。但是在 Photoshop Creative Suite Next上通过GPU、物理加速的支持。Photoshop打开一个2GB、4.42亿像素的图像文件将非常简单，对图片进行缩放、旋转也不会存在任何延迟。

　　除此之外包括GOOGLE EARTH，GOOGLE IMAGE SERCH等等都会在未来需要应用到CUDA加速的功能，现在连阅读传统的PDF文件，都离不开GPU的加速了。早在2007年，Adobe就与NVIDIA展开合作，推出了支持GPU加速的PDF版本。可以说CUDA的科学运算算加速前景光明。前面我们展示了很多基于GPU加速的效果展示，其实这些程序大部分都是依靠CUDA来实现的GPU加速，GPU的性能非常强大，这是NVIDIA早就意识 到的问题，早在G80时代，NVIDIA就提出了CUDA的概念，只不过因为那时候CUDA还未成型，所以没有公布，而现在，基于CUDA的应用程序越来 越多，因此伴随着GTX200系列芯片的发布，CUDA也同时正式大范围的推广并介绍给普通消费者。在这里我们要声明，那就是CUDA不是专门为 GTX200开发的，而是基于NVIDIA统一架构的GPU理论上都能支持，我们今天介绍的主角9800GTX也是利用CUDA进行非3D运算的强将。

　　GPU的性能非常强大，因此无论Intel还是AMD都看到了这一点，不过因为自身处理器发展成熟的缘故，所以这两家处理器公司都采用了GPGPU的提法，也就是基于x86处理器架构的平台，它与NVIDIA概念上的区别就是：它的计算仍然通过API送入GPU的，传统的GPGPU应用往往要了解OpenGL编程或者DirectX编程。

　　而NVIDIA基于CUDA平台的解决方案，如果你的应用不涉及OpenGL或者DirectX的话就可以不用理会那些API。也就是说以前的GPGPU 进行通用计算是通过把这些问题转换成为图形计算送到GPU中完成的，而现在基于CUDA则可以直接调用GPU的计算资源，成为高性能计算的软件开发环境。